图像的二值化或阈值化(Binarization)旨在提取图像中的目标物体,将背景以及噪声区分开来。通常会设定一个阈值T,通过T将图像的像素划分为两类:大于T的像素群和小于T的像素群。
灰度转换处理后的图像中,每个像素都只有一个灰度值,其大小表示明暗程度。二值化处理可以将图像中的像素划分为两类颜色,常用的二值化算法如公式1所示:
{Y=0,gray=T
{Y=0,gray=T
当灰度Gray小于阈值T时,其像素设置为0,表示黑色;当灰度Gray大于或等于阈值T时,其Y值为255,表示白色。
Python OpenCV中提供了阈值函数threshold()实现二值化处理,其公式及参数如下图所示:
retval, dst = cv2.threshold(src, thresh, maxval, type)
二进制阈值化
该方法先要选定一个特定的阈值量,比如127
1) 大于等于127的像素点的灰度值设定为最大值
2) 灰度值小于127的像素点的灰度值设置为0
例如: 156->255 89->0
关键字为cv2.THRESH_BINARY,完整代码如下
import cv2
def test22():
src = cv2.imread("rose.jpg")
# 灰度图片转换
GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA)
#